Derin öğrenme algoritmalarına dayalı tahmin: BİST100 ve USD/TRY üzerine bir uygulama
Prediction based on deep learning algorithms: an application on BİST100 and USD/TRY
- Tez No: 797284
- Danışmanlar: DOÇ. DR. NECLA GÜNDÜZ TEKİN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 60
Özet
Günlük hayatta zaman serisi verileri oldukça karmaşık problemler içermektedir. Bundan dolayı zaman serisi veri analizi ve tahminini tutarlı şekilde yapmak önemlidir. Teknolojik gelişmeler sayesinde günümüz bilgisayarlarının performansları artmış ve bu artışa bağlı olarak birçok amaca hizmet eden algoritmalar geliştirilmiştir. Geliştirilen bu algoritmalar her alanda olduğu gibi zaman serisi analizlerinde de uygulanmakta ve karar vericinin farklı boyutlarını destekleyen roller üstlenmektedir. Özellikle finans alanında önceden öngörülmesi önemli olan borsa işlemlerinde bu tahmin algoritmalarına çok fazla başvurulmaktadır. Farklı istatistiksel ve matematiksel analiz, makine öğrenmesi ve derin öğrenme zaman serisi analizinde ve gelecek tahmini yapabilmek için kullanılmaktadır. Bu algoritmalar geleneksel yöntemlere göre daha üstün performans sergilemiş ve kullanımları yaygınlaşmıştır. Bu çalışmada Yahoo Finans üzerinden elde edilen Bist100 ve USD/TRY endekslerine ait 5 yıl (09.03.2017-09.03.2022) geriye dönük verileri kullanılarak derin öğrenme ve makine öğrenmesi yöntemleriyle kapanış fiyat tahminleri tahmin edilebilirliği ve bu yöntemlerin uygulanabilirliği araştırılmıştır. Çalışmada veri, eğitim verisi (%80) ve test verisi (%20) olmak üzere ikiye ayrılarak, Tekrarlayan Sinir Ağı (RNN) ve Uzun-Kısa Vadeli Bellek (LSTM) yöntemleriyle tahminleri yapılmıştır. Uygulanan yöntemlerden ulaşılan sonuçlar tahminlerin dönemin olumsuzluklarından etkilenerek bazı sapmalar gerçekleştirdiği ve uygulanan yöntemlerin kısa dönemli veriler ile veya teknik/temel analiz uygulanmış verilerle daha tutarlı sonuç verebileceği düşünülmektedir.
Özet (Çeviri)
In daily life, time series data contains very complex problems. Therefore, it is important to analyze and forecast time series data consistently. Thanks to technological advances, the performance of today's computers has increased and algorithms that serve many purposes have been developed. These algorithms are applied in time series analysis as in every field and play roles that support different dimensions of the decision maker. Especially in the field of finance, these forecasting algorithms are widely used in stock market transactions, which are important to predict in advance. Different statistical and mathematical analysis, machine learning and deep learning are used in time series analysis and future prediction. These algorithms have shown superior performance compared to traditional methods and their use has become widespread. In this study, we investigate the predictability and applicability of closing price forecasts with deep learning and machine learning methods using 5-year (09.03.2017-09.03.2022) retrospective data of BIST100 and USD/TRY indices obtained from Yahoo Finance. In the study, the data was divided into two parts as training data (80%) and test data (20%) and predictions were made with Recurrent Neural Network (RNN) and Long-Short Term Memory (LSTM) methods. The results obtained from the applied methods show that the forecasts are affected by the adverse conditions of the period and some deviations are realized, and it is thought that the applied methods can give more consistent results with short-term data or data with technical/basic analysis.
Benzer Tezler
- Finansal alanda yapay zekâ: Makine öğrenmesi algoritmalarıyla hisse senedi fiyat tahmini
Artificial intelligence in finance: Stock price prediction with machine learning algorithms
SHAHIDA BARATOVA
Yüksek Lisans
Türkçe
2024
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLER ÖZÇALIK
- Elektrikli araçların kullanımına yönelik yük tahmini ve karar destek sistemi
Load forecasting and decision support system for electric vehicles use
HATİCE MENEKŞE KÖSEMEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. ORHAN TORKUL
- İnsansız hava araçlarında gerçek zamanlı nesne tespiti ve sınıflandırma için gömülü sistem ve derin öğrenme tekniklerinin kullanılması
Using embedded system and deep learning techniques for real-time object detection and classification in unmanned vehicles
ZİYA SAYGILI
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Demiryolları için nesnelerin interneti ile uzaktan izlenebilen ray sıcaklığı ve tren hızı ölçüm sistemi tasarımı ve meteoroloji ile saha verisi üzerinden makine öğrenmesi/derin öğrenme ile zamana dayalı ray sıcaklığı tahmini
Designing train speed and rail temperature measurement system with remote monitoring by internet of things and time based prediction of rail temperature with machine learning/deep learning
EREN ERDİ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA TURHAN ÇOBAN
- Deep reinforcement learning for partially observable markov decision processes
Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme
MEHMET HAKLIDIR
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ